글로벌 AI 시장은 2024년까지 연간 성장세를 보일 전망이다17.5% 증가하여 매출 5,000억 달러를 초과했습니다.
의사 진단
의료 분야에서 인간을 로봇으로 대체어렵지만 진단 사는 여전히 작업의 일부를 기계로 전송할 수 있습니다. 진단을 내릴 때 의사는 자신의 경험과 지식에 의존하지만 단순히 인적 요인으로 인해 관심에서 무언가를 놓칠 위험이 항상 있습니다. AI가 대량의 데이터를 조작하고 세부 사항을 다루는 것이 더 쉬워 져 분석 오류 비율이 줄어 듭니다.
예를 들어 스타트 업 Zeba는 도움을 제공 할 수 있습니다.Medical Vision : 방사선 전문의를위한 서비스이며 AI를 사용하여 X- 선 이미지를 연구하고 이상을 설명 및 분석합니다. 이 서비스에는 수백만 개의 이미지, 높은 처리 속도 및 정확도의 자체 데이터베이스가 있습니다. 우선 의사의 부담을 줄이고 이미지 분석 프로세스의 속도를 높일 수 있습니다.
데이터베이스와 예제가 클수록기계에 의해 학습 될수록 케이스를 놓칠 위험이 낮아집니다. 그리고 AI가 완전히 정확하지는 않지만 인간보다 잘못 될 가능성은 적습니다. 이 경우 최종 결정은 여전히 살아있는 의사에게 남아 있습니다.
철도 운전사
운전자가없는 장거리 열차는 거의 없습니다가까운 장래에 나타날 것이지만 AI는 이미 지하철에서 구현되기 시작했습니다. 철도 수송을 운전하는 살아있는 사람과 달리 컴퓨터는 부주의와 피로와 관련된 오류에 영향을받지 않습니다. 이것은 승객의 안전과 상품의 안전을 증가시킵니다. AI는 이미 Dubai Metro에서 기차를 제어하고 있으며 승객은 도시의 전망을 감상하며 "운전실"에있을 수 있습니다. 뉴 델리에서는 지사 중 하나에 대한 아이디어를 구현했으며, 코펜하겐 지하철은 자동화 된 제어 시스템으로 인해 오랫동안 작동 해 왔으며 프라하에서는 2027 년에 운전자없이 열차를 시작할 계획입니다.
러시아에서도 스마트 시스템이 개발되고 있습니다.열차 관리 : 특히 러시아 철도는 인적 요인과 관련된 열차 사고 수를 줄이기 위해 설계된 AI로 10 대의 기관차를 테스트하고 있습니다. 이 기술은 신경망과 컴퓨터 비전을 기반으로합니다. 모스크바 지하철에서 운전자가없는 열차는 2017 년 (MCC를 위해 제비가 개발 중임)에 다시 등장 할 것으로 예상되었지만이를 위해서는 법률 개정이 필요했습니다. 2020 년에 그들은 Nekrasovskaya 라인의 자동 열차 관리 요소 테스트에 대해 이야기하기 시작했지만 결과는 아직 알려지지 않았습니다.
은행 분석가
그러한 전문가의 주요 요구 사항은 다음과 같습니다.경제 및 금융 분야에 대한 깊은 지식, 은행 투자 프로젝트 참여부터 개인을 위한 대출 상품 선택까지 다양한 유형의 결정을 내리는 능력. 작업은 주로 템플릿에 따라 진행되기 때문에 컴퓨터에 맡겨도 된다.
이미 대부분의 러시아 대형 은행많은 작업이 로봇 화됩니다. Gazprombank에서는 AI가 카드 발급 및 소매 대출에 관여하고, Rosbank에서는 고객 서류를위한 문서를 처리하고, Home Credit Bank에서는 개인 상품 제안을 준비합니다. 그러나 AI의 가장 적극적인 사용은 Sberbank입니다. 모든 소매 신용 결정은 컴퓨터에 의해 이루어지며, 그중 95 %는 라이브 전문가없이 자동으로 생성됩니다.
가게 도우미
영업 보조원의 작업은 매우 일상적입니다.그는 고객에게 회사의 제품 및 서비스에 대한 정보를 제공하고, 제품의 품질, 특성에 대한 새로운 질문을 선택하고 대답하는 데 도움을 주며, 훨씬 더 주관적입니다. "나에게 적합합니까?" 유사한 작업은 개별 요구 사항을 고려하고 품절 된 상품의 교체를 제공하는 AI 알고리즘에 의해 수행됩니다.
이 아이디어는 많은 의류 매장에서 구현되었으며향수 및 화장품 브랜드. 예를 들어 Sephora 네트워크에서 Color IQ는 컨실러와 파운데이션을 선택하는 데 도움이되고 Lip IQ는 립스틱을 선택하는 데 도움이됩니다. 2015 년에 Uniqlo는 UMood 랙에 몇 가지 제품을 고객에게 보여주었습니다. 이 중에서 AI와 신경 전달 물질이 클라이언트에게 무엇을 추천할지 결정할 수 있도록 원하는 것을 선택해야합니다. 장치와의 직접 접촉조차도 필요하지 않습니다. 이는 사람의 기분을 지향합니다. 마찬가지로 흥미로운 것은 Neiman Marcus 백화점에서 구현 된 아이디어 인 Snap 앱입니다. 찾기. 가게. (스타트 업 Slyce에서), 클라이언트가 업로드 한 항목의 사진을 기반으로 상점의 카탈로그에서 유사하거나 동일한 제품을 검색합니다.
하지만 AI는 옷, 신발 또는립스틱-하이퍼 마켓에서 제품을 제공하는 온라인 상점 Instamart (오늘날- "Sbermarket")에서 컨설턴트는 기계 알고리즘도 대체했습니다. 누락 된 품목에 대한 교체를 제공하고, 이전 영수증에 대한 고객 선호도를 분석하고, 주문 수집가가 카트를 채우는 프로세스를 가속화하도록 돕습니다.
상점에서 계산원
계산원의 행동은 동일합니다. 그는 물건을 때립니다.장바구니에서 부적합한 상품을 취소하고, 영수증을 발행하고, 결제를 수락합니다. AI 알고리즘도 같은 일을 쉽게 할 수 있습니다. 첫째, 기계가 살아있는 사람을 대체할 수 있다는 사실은 2012년 러시아에 등장한 셀프서비스 금전등록기, 그리고 90년대 해외에서도 등장한 것으로 입증됐다. 그러나 오늘날 이야기는 훨씬 더 나아졌으며 AI는 영업사원이 없는 매장에서 계산원을 완전히 대체하고 있습니다.
Amazon은 Amazon Go를 통해 아이디어를 최초로 홍보했습니다.스마트 알고리즘은 고객이 장바구니에 넣은 것 (그리고 선반에 반환 한 것)을보고 결국 상점을 떠난 후 아마존 계정 또는 연결된 은행 카드에서 수표 금액을 공제합니다. 결제시 스캔 할 필요도 없습니다. 이것은 급여 (급여)에 대한 절감 일뿐만 아니라 상점의 트래픽 증가이기도합니다. 90 %의 미국인은 차례를 오래 기다린 후 바구니를 떠나 떠날 것입니다. 러시아에서는 Sberbank가 Azbuka Vkusa (지금까지 본격적인 상점이 아니라 부서 만 있음) 및 X5-Group과 함께이 아이디어를 구현했습니다.
훈련자
전염병에서 피트니스 업계는 마침내온라인 기술에 대한 수요와 원격으로 수업을 진행할 수 있는지 확인했습니다. 장비를 올바르게 설정하면 코치가 원격으로 작업하여 병동의 행동을 제어 할 수 있습니다. 동시에, 컴퓨터가 많은 문제에서 라이브 강사를 대체 할 수 있음이 밝혀졌습니다. 접근의 수. 이는 카메라에서 정보를 수집하여 분석을 위해 기계로 전송하는 컴퓨터 비전 기술을 사용하여 이루어집니다.
이 아이디어는 이미 여러 스타트업에서 구현되었습니다.특히 Aaptiv는 개인화된 운동을 생성하고 라이프스타일을 추천하는 "스마트" 트레이너가 포함된 스마트폰 애플리케이션을 출시했습니다. 사람이 서비스를 더 자주 사용할수록 그의 활동은 더욱 개별화됩니다. 그리고 Zenia Yoga는 가상 AI 비서가 포함된 최초의 요가 앱을 만들었습니다. 16개 관절의 동작 분석을 통해 신체 기능을 모니터링해 트레이너가 온라인 수업 중 실수를 발견하도록 돕고, 자율 학습 중에는 코치 역할을 해준다.
모집 자
HR 전문가 검색 및 선택공석에 적합한 직원 (실제로 지정된 기준에 따라 정렬). 그리고 공급이 수요를 초과하는 경우 채용자는 선발 과정에서 개인적 호감도에 의해 안내 될 수 있으며, 인적 요소가 선발 품질에 영향을 미치기 시작합니다. HR과 동일한 작업을 수행 할 수있는 기계는 감정적 인 측면이 없기 때문에 공평하고 후보자를보다 객관적으로 평가합니다.
이 방향의 펜 테스트는 오랫동안 수행되었습니다.2016 년 FirstJob은 Miyu 봇을 개발하여 현장의 구직자에게 적합한 공석을 제공하고 잠재적 인 근로자와 고용주를 연결했습니다. 그리고 HeadHunter는 컴퓨터 추천 서비스의 정확성을 높이기 위해 검색 엔진을 머신 러닝으로 전환하기로 결정했습니다. 그러나 소셜 네트워크에 등록 된 전문가의 프로필을 분석하고 후보자를 비교하며 부적절한 옵션을 걸러 낼 수있는 신경망 페이스 북이 모든 사람을 추월합니다. 나중에 회사에 잠재적 인 직원을 제공 할 수 있습니다.
러시아에서도 기술이 발전하고 있습니다.로봇 채용 담당자 (Stafory라고하는 스타트 업) 인 Vera는 이력서를 선택하고 초기 인터뷰를 위해 직원에게 전화하는 방법을 배웠습니다. 9 시간 안에 그는 15,000 명의 후보자를 위해 일할 수 있습니다 (인터뷰에서). 그리고 Alfa-Bank에서 HR 전문가의 일부 기능은 컴퓨터로 대체되었습니다. 이제 AI는 이미 확립 된 직원에게 "패스 주문 방법"에서 "문서 처리 방법"에 이르는 표준 질문에 답하고 있습니다. " 이를 위해 AutoFAQ 플랫폼은 훈련 된 신경망을 기반으로 개발되었습니다. 이 회사는 HR 전문가를 해고하기 위해 직원의 요청 중 30 %를 자동화 할 계획입니다.
콜센터 운영자
이 사람은 클라이언트로부터 전화를받습니다.회사의 제품에 대해 이야기하고 기술 지원 또는 조언을 제공합니다. 조직의 규모에 따라 콜센터에는 200 명의 교환 원이 있거나 2,000 명 이상 (이는 Tele2의 수)이있을 수 있습니다. 그러나이 상태조차도 항상 충분하지는 않습니다. Oracle 조사에 따르면 오늘날 고객 2 명 중 1 명은 회사가 연중 무휴로 운영 될 것으로 예상합니다. 대규모 조직에서 AI의 도움보다 실제 직원의 도움으로이를 제공하는 것은 더 비쌉니다. 따라서 솔루션은 전화에 응답하고 최소한 일반적인 문제 (예 : 주문 상태 찾기)를 해결하는 데 도움을주는 로봇입니다. 어려운 경우에는 이미 통화를 라이브 교환 원에게 리디렉션합니다. 그러나 아이디어는 아직 개발 단계에 있습니다. 로봇은 살아있는 수집가 대신 러시아 은행에서 부채를 회수하려고하고 있으며 (실험 결과에 대해서는 알려진 바 없음) 다른 산업에서는 운영자의 10 %만이 AI로 대체됩니다. 콜센터 전문가의 절반 이상이 기계 알고리즘이이를 적어도 부분적으로 대체 할 수 있다고 믿고 있습니다.
챗봇은 유사한 기능을 수행하여채팅 지원에 살아있는 사람. 러시아에서는 모멘텀을 얻고 있습니다 .Sherlock.im 연구에 따르면 2017 년에는 16 %의 기업 만이이를 구현했으며 2019 년에는 이미 60 %에 도달했습니다 (Accenture 연구). 2020 년에는 이미 80 %의 기업에서 챗봇을 사용할 것으로 예상됩니다. 예측이 얼마나 현실화되었는지는 알려지지 않았지만, 연말에 전문가와 시장 참여자들은 이러한 AI 솔루션 (클래식 및 음성 비서)에 대한 수요가 전염병과 기존 은행 부문과 소매, 교육 기관, 의료, 전자 상거래가 연결되었습니다.
음악가 및 DJ
기계가 수행 할 수 있다고 상상하기 어렵습니다그러나이 미래는 멀지 않을 수 있습니다. 적어도 음악 산업에서는 스마트 알고리즘이 이미 살아있는 전문가들과 경쟁하거나 구출되기 시작했습니다. 2017 년 Yandex는 음악을 작곡 할 수있는 신경망을 만들었습니다 (나중에 연극을 작성하지만 사람과 함께). 이를 위해 알고리즘은 엄청난 양의 데이터 (약 600 시간 분량의 음악)를 분석하고, 유명 작곡가의 음악 작품에서 패턴과 규칙을 식별하고, 멜로디에 대한 사람의 긍정적 인 인식에 어떤 영향을 미치는지 이해해야했습니다.
일부 신생 기업은 이미 개발을 시도하고 있습니다예를 들어 중국 Jukedeck은 AI에서 생성 된 멜로디를 만듭니다. 2019 년 7 월 Jukedeck은 TikTok 개발 가능성이 높은 ByteDance를 인수했습니다. 아시아의 거물 인 Tencent가 인수 한 Amper Music에서도 유사한 아이디어를 홍보하고 있습니다. 그리고 Mubert 회사는 샘플과 사운드의 방대한 데이터베이스를 수집하고 AI에서 독특한 음악 작곡을 수집하도록 가르쳤습니다.
기계는 아직 작곡가를 위한 모든 작업을 수행하지 않았습니다.하지만 저작권으로 인해 기존 트랙을 사용할 수 없고 레이블 비용을 지불해야 하는 공공 장소, 비디오 및 기타 항목에 대한 배경 트랙을 이미 생성할 수 있습니다. 또한 스타트업 Melodrive와 No Man's Sky 게임의 사운드트랙을 작곡한 65daysofstatic 그룹이 하는 것처럼 신경망은 게임용 음악을 생성할 수 있습니다.
프로그램 제작자
가장 디지털화된 산업에서 AI를 도입하는 것은많은 전문 분야에서 사람의 조수가 필요하지만 우선 이것은 프로그래머와 관련이 있습니다. 그들은 특정 작업(일반적인 작업이지만 많은 양의 데이터 처리가 필요함)을 구현하기 위해 알고리즘을 개발하고 프로그램 코드를 작성합니다. 그리고 프로그램 코드의 양은 엄청날 수 있습니다. 이러한 작업은 AI를 통해 촉진될 수 있으며, AI는 코드를 분석하고 테스트하여 오류와 수정 옵션을 찾는 단계에 참여합니다.
장기적으로 이것은 개발 프로세스의 속도를 높일 것입니다.컴퓨터가 "메모리에"적절한 예제를 충분히 축적하면 결국 코드 작성 작업을 수행 할 수 있습니다. 전문가들에 따르면 저 숙련 프로그래머는 사라질 수 있으며 그들의 책임은 AI에 의해 인계 될 것입니다.
택시 운전사
자동화 된 자동차의 아이디어가 홍보되고 있습니다긴. 영리한 "채우기"를 가진 테슬라는 로봇 택시 운전사의 시대가 올 것이라는 희망을 안겨주지만, 지금까지 세상은 매우 느리게 움직이고 있습니다. 2015 년 일본에서 Robot Taxi Inc는 가나가와 현의 지도력과 함께 도시 거리에서 로봇 택시 (자동 차량) 시범 프로젝트를 발표했습니다. 이전에는 고속도로에서 실험이 수행되었습니다. 2016 년에 Uber는 유사한 프로젝트를 시작하려고했지만 여전히 살아있는 사람 (엔지니어)이 운전하고 있습니다. 이는 미국 법률에서 요구하는 사항입니다. 2018 년 Yandex는 무인 차량도 선보였습니다 (실험은 2022 년까지 지속됩니다). 그러나 지금까지이 아이디어는 어디에도 널리 사용되지 않았습니다. 도로의 어려운 상황에서 너무 어려운 작업과 예측할 수없는 AI 행동으로 살아있는 사람이 내부에있는 자동차를 제어 할 수 없습니다. 지금까지 중요한 순간에 운전을 할 엔지니어 없이는 할 수 없습니다. 이제 택시 기사의 완전한 실종에 대한 의문의 여지가 없습니다.
기계는 표준 패턴에 따라서만 작업할 수 있기 때문에 인간을 완전히 대체하지는 않지만 다양한 직업의 살아있는 전문가와의 연결은 강화될 것입니다.
참조 :
세계 최초의 정확한지도가 만들어졌습니다. 다른 사람들에게 무슨 문제가 있습니까?
인간 손의 적외선이 암호화에 사용되었습니다.
수백만 년 동안 진화 적으로 정체되어있는 데스 밸리에서 발견 된 박테리아